几个常见问题：
1、为什么损失函数采用最小二乘法，而不是绝对值形式，也不采用最小三乘法？关于这个问题的答案，后面的课程会给出，主要是从最大似然函数角度给出的合理化解释，如果你追问，最大似然函数就代表科学的、合理的吗？那你听说过大数定律、极限中心定律吗？感觉有点像哲学问题了。
2、梯度下降法中提到学习率的问题，我们的目标函数是一个凸二次函数（就是你吃饭的碗的形状），我们知道学习率大会导致震荡，太小会走的慢，那么有没有必要动态调节这个学习率的大小，刚开始下降时可以先大，快收敛时再变小？这个是没有必要的，理由是公式中为（学习率*梯度）而梯度就是逐渐减小的。但是在实际算法代码中，Python版《机器学习实战》中P82-83给出一种改进策略，学习率是逐渐下降的，但又不是严格下降的，部分代码为:
for j in range(numIter):
for i in range(m):
alpha = 4/(1.0+j+i)+0.01
所以alpha每次减少1/（j+i），当j<<max(i)，就不是严格下降的。模拟退火算法就是这么干的。
3、随机梯度下降能找到使代价函数最小的值么？不见得，但是随着迭代次数的增加，它会在最优解附近晃悠，但是这个值对我们而言就够用了，机器学习本身就不是100%正确的算法。
4、多大的数据量我们认为比较大？批量梯度下降一般可承受多大的数据量？我们一般认为1000左右各特征值左右吧，但凡事也不是绝对的，要结合自己的数据特点去尝试一下。
5、既然有正规组方程，可以直接求解，何必使用梯度下降法？因为正规方程组涉及矩阵求逆操作，但并不是任何时候这个逆矩阵都存在，比如样本数少于特征值数时即m<n，另外，当样本数很大，特征值很多，这是个多么庞大的矩阵，显然直接求解不可取。
6、随机梯度下降也叫在线学习方式，在线和离线的最大区别就是离线是批量的，一次性处理，而在线更像是流式的。